-
题名蚁群算法在苹果糖度近红外光谱分析波长选择中的应用
被引量：11
- 1
-
-
作者
陈鑫
刘飞
-
机构
江南大学轻工过程先进控制教育部重点实验室
-
出处
《分析试验室》
CAS
CSCD
北大核心
2013年第10期50-54,共5页
-
基金
江苏省产学研联合创新研究项目(BY2013015-27)
江苏高等学校优秀科技创新团队与江苏省"333工程"资助
-
文摘
针对苹果近红外光谱数据的特点,研究了蚁群算法(ACO)在近红外光谱波长选择中的应用,建立了一种基于串联双通路构建图的波长变量选择模型。首先采集了苹果表面的漫反射近红外光谱,进而采用蚁群优化算法优选出近红外波长的最佳变量,使用所选择的近红外光谱波长数据建立苹果糖度预测模型。与GAPLS、siPLS等波长选择方法进行了比较,新模型的变量数减少到580,模型校正均方根误差RMSEC为0.2712,验证均方根误差RMSEP为0.3059。实验结果表明,蚁群算法用于苹果漫反射近红外光谱波长变量的选择,有效地减少了波长的使用,降低了模型复杂度,同时提高模型的预测精度。
-
关键词
苹果近红外光谱
糖度检测
波长变量选择
蚁群算法
-
Keywords
Near infrared spectra of apples
Sugar content
Variable selection of wavelength
Ant colony optimization algorithm
-
分类号
O657.3
[理学—分析化学]
-
-
题名MIV方法在苹果糖度近红外分析中的应用
被引量：8
- 2
-
-
作者
陈鑫
刘飞
-
机构
江南大学轻工过程先进控制教育部重点实验室
-
出处
《计算机与应用化学》
CAS
CSCD
北大核心
2012年第7期812-816,共5页
-
基金
国家自然科学基金(61134007)
江苏高等学校优秀科技创新团队
江苏省"333工程"资助
-
文摘
针对苹果糖度近红外光谱数据的特点,分析了基于BP神经网络和偏最小二乘PLS的苹果糖度定量预测模型建立方法:,将平均影响值方法:(mean impact value)引入到近红外波长选取的过程中来,并与联合区间偏最小二乘法结合,达到波长优选的目的:。首先,利用联合区间偏最小二乘算法,筛选出与苹果的糖度相关度较大的光谱波长数据,再利用PLS-BP方法:建立预测模型。在此模型基础上,使用平均影响值方法:,对参与建模的每个波长数据进行评价,选取影响值最大的一系列波长点,重新建立模型。模型变量数为124,校正均方根误差(RMSEC)为0.1740,验证均方根误差(RMSEP)为0.4565。结果:表明,校正均方根误差,利用平均影响值与联合区间偏最小二乘方法:结合,对光谱数据进行波长的筛选,可以降低模型复杂度,同时提高模型预测精度。
-
关键词
苹果近红外光谱
平均影响值(MIV)
BP神经网络
联合区间偏最小二乘(siPLS)
-
Keywords
apple near-infrared spectroscopy, mean impact value （MIV）, BP neural network, synergy interval partial least square （siPLS）
-
分类号
O657.3
[理学—分析化学]
-
